projecte-aina/NLUCat

NLUCat是一个用于加泰罗尼亚语自然语言理解的数据集，包含近12,000条指令，每条指令都标注了最相关的意图和文本片段。意图涵盖了虚拟家庭助手的常见任务，如活动日历、物联网、列表管理、休闲等，还包括了针对弱势群体的社会和医疗需求。文本片段标注了信息类型，且可以轻松分组用于鲁棒系统。数据集考虑了加泰罗尼亚语的地理和文化现实，适用于意图分类、文本片段识别和示例生成等任务。数据集分为训练集、开发集和测试集，分别包含9128、1441和1441个示例。数据集的创建旨在促进加泰罗尼亚语这一低资源语言的模型开发，并特别考虑了弱势群体的需求。

原始信息汇总

数据集卡片 for NLUCat

数据集描述

数据集概述

NLUCat 是一个加泰罗尼亚语的自然语言理解（NLU）数据集。它包含近 12,000 条指令，这些指令被标注了最相关的意图和范围。每个指令还附带了标注者编写时的指令。

考虑的意图包括虚拟家庭助手（活动日历、物联网、列表管理、休闲等）的常见意图，但也添加了特定意图以考虑弱势群体的社会和医疗需求（行政程序信息、菜单和药物提醒等）。

范围被标注了描述其所包含信息类型的标签。它们是细粒度的，但可以轻松分组以用于健壮的系统。

示例不仅用加泰罗尼亚语编写，还考虑了该语言使用者的地理和文化现实（地理点、文化参考等）。

该数据集可用于训练意图分类、范围识别和示例生成的模型。

支持的任务和排行榜

意图分类、范围识别和示例生成。

语言

数据集为加泰罗尼亚语（ca-ES）。

数据集结构

数据实例

三个 JSON 文件，每个文件对应一个分割。

数据字段

• example: str。示例
• annotation: dict。示例的标注
• intent: str。意图标签
• slots: list。槽位列表
• Tag: str。槽位的标签
• Text: str。槽位的文本
• Start_char: int。范围的第一个字符
• End_char: int。范围的最后一个字符

示例

一个示例如下：

json { "example": "Demana una ambulància; la meva dona està de part.", "annotation": { "intent": "call_emergency", "slots": [ { "Tag": "service", "Text": "ambulància", "Start_char": 11, "End_char": 21 }, { "Tag": "situation", "Text": "la meva dona està de part", "Start_char": 23, "End_char": 48 } ] } }

数据分割

• NLUCat.train: 9128 个示例
• NLUCat.dev: 1441 个示例
• NLUCat.test: 1441 个示例

统计信息

	test	dev	train	Total
alarm_query	14	9	68	91
alarm_remove	10	12	68	90
alarm_set	11	10	69	90
app_end	8	9	43	60
app_launch	9	7	47	63
audio_volume_down	15	16	105	136
audio_volume_mute	8	9	62	79
audio_volume_up	14	16	101	131
book restaurant	31	27	182	240
calendar_query	34	38	227	299
calendar_remove	31	33	211	275
calendar_set	50	53	340	443
call_emergency	14	18	111	143
call_medicalService	14	11	70	95
call_person	23	18	116	157
call_service	6	9	45	60
compare_places	6	7	47	60
contact_add	20	22	138	180
contact_query	16	16	89	121
cooking_query	13	12	65	90
cooking_recipe	9	10	74	93
datetime_convert	14	14	95	123
datetime_query	18	17	112	147
general_affirm	6	6	18	30
general_commandstop	13	13	75	101
general_confirm	6	6	48	60
general_dontcare	8	6	46	60
general_explain	5	5	7	17
general_greet	13	10	67	90
general_joke	10	11	69	90
general_negate	12	9	69	90
general_praise	15	10	65	90
general_quirky	15	14	99	128
general_repeat	11	14	65	90
generat_explain	8	7	58	73
iot_cleaning	11	9	70	90
iot_coffee	10	12	68	90
iot_hue_lightchange	9	12	69	90
iot_hue_lightdim	14	12	64	90
iot_hue_lightoff	10	11	70	91
iot_hue_lighton	11	14	66	91
iot_hue_lightup	10	9	70	89
iot_wemo_off	11	13	65	89
iot_wemo_on	6	8	46	60
lists_createoradd	19	16	115	150
lists_query	15	15	92	122
lists_remove	14	14	91	119
medReminder_query	18	17	108	143
medReminder_set	17	17	113	147
medicalAppointment_query	20	19	114	153
medicalAppointment_set	24	23	165	212
menu_query	15	17	113	145
message_query	21	20	140	181
message_send	26	24	162	212
music_dislikeness	10	9	69	88
music_likeness	11	9	71	91
music_query	22	23	135	180
music_settings	9	9	63	81
news_query	19	22	149	190
play_audiobook	12	15	93	120
play_game	12	11	67	90
play_music	41	45	271	357
play_podcasts	20	19	121	160
play_radio	20	20	115	155
play_video	15	15	90	120
qa_currency	12	9	69	90
qa_definition	19	23	147	189
qa_factoid	26	24	143	193
qa_maths	13	12	95	120
qa_medicalService	20	21	117	158
qa_procedures	36	33	220	289
qa_service	16	18	112	146
qa_sports	9	9	72	90
qa_stock	13	10	67	90
recommendation_events	22	22	143	187
recommendation_locations	23	24	157	204
recommendation_movies	18	23	139	180
share_currentLocation	15	13	92	120
social_post	19	20	112	151
social_query	14	14	96	124
takeaway_order	20	25	135	180
takeaway_query	7	9	50	66
transport_directions	28	24	181	233
transport_query	31	31	185	247
transport_taxi	26	22	132	180
transport_ticket	25	25	160	210
transport_traffic	15	17	88	120
weather_query	31	29	189	249
Total	1440	1440	9117	11997